大数据下风电场混合算法建模研究

论文摘要

利用优化粒子群K-means混合聚类算法分析大规模风电场的实际运行数据并对其建模。以山西盛风岭风电场作为实例,在大数据下依据其实际运行数据建立风速-功率模型并利用优化粒子群K-means混合聚类算法（IPSO-K-means）进行模型优化。结果显示,对比方法（传统方法、K-means、PSO-K-means）的平均误差分别为46.29%、18.58%、17.30%,而IPSO-K-means方法的平均误差为14.11%,说明所提方法可以大大提高模型的准确性。

论文目录

文章来源

类型: 期刊论文

作者: 郭敏,赵巧娥,高金城,周斌龙

关键词: 大数据,风电场,粒子群优化算法,聚类算法,建模

来源: 哈尔滨理工大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用

单位: 山西大学电力工程系

基金: 国家自然科学基金(U1610116)

分类号: TM614;TP311.13

DOI: 10.15938/j.jhust.2019.01.008

页码: 48-54

总页数: 7

文件大小: 1333K

下载量: 162

相关论文文献

标签：大数据论文;  风电场论文;  粒子群优化算法论文;  聚类算法论文;  建模论文;